Erf-BP混合像元分解及在森林遥感信息提取中应用
提出一种新的基于高斯误差函数(Gaussian error function,Eft)作为激活函数的BP神经网络(Erf-BP),并用于林区TM影像进行混合像元分解.研究表明:Erf-BP模型的精度高于线性无约束最小二乘法模型及最大似然法.通过在高分辨率影像上选取验证样区精度检验得出:1)各端元总分解精度为89.2%,RMSE比线性无约束最小二乘法模型降低了近39%;2)该方法能够较高精度地提取森林遥感信息,精度达到86%,RMSE比线性无约束最小二乘法模型降低了近40.6%.将3种不同方法估计的整个研究区各端元面积百分比与森林资源二类调查数据作对比得出:Erf-BP模型精度略高于最大似然法,RMSE分别为4.18%和7.90%,两者精度明显高于线性无约束最小二乘法模型(RMSE=18.75%).Erf-BP算法能够较高精度地对TM影像进行混合像元分解,尤其在森林信息提取上,为基于混合像元分解提取不同森林类型甚至树种遥感信息提供一种可行的方法.
高斯误差函数、误差反向传播算法、混合像元分解、森林
47
S771.8(森林工程、林业机械)
国家林业局948项目2008-4-49;国家自然科学基金30700638,30771725;浙江科技厅优先主题项目2451012025;浙江省科技厅重大科技专项2008C12068;浙江农林大学研究生科研创新基金2112008021
2011-06-27（万方平台首次上网日期，不代表论文的发表时间）
共9页
30-38
